GraphCast, модел развиен од гигантот специјализиран за вештачка интелигенција DeepMind на Google, ја покажа својата способност за изготвување на 10 дневна временска прогноза, со многу поголема точност и брзина од најнапредниот систем за прогнозирање на денешницата – Прогноза со висока резолуција (High Resolution Forecast), производ на Европскиот центар за временски прогнози со среден опсег (European Centre for Medium-Range Weather Forecasts, ECMWF). Перформансите на GraphCast се опишани во научниот труд објавен деновиве во Science.

Како се изработува временската прогноза? Традиционалните метеоролошки агенции собираат податоци за моменталната временска ситуација од сателити, метеоролошки станици и пловци.  Овие податоци потоа се вметнуваат во пресметковни модели кои ја делат претставата на земјината атмосфера на милиони точки. Со примена на законите на физиката и за динамиката на течности, можно е да се претпостави како ќе се развива ситуацијата во секој регион, потфат што може да одземе и неколку часа работа на суперкомпјутерот опремен со милион процесори, и кој мора да се повторува неколку пати на ден, со пристигнувањето на нови ажурирани податоци.

Избор од предвидувањата на GraphCast кои однесуваат за текот на 10 дена, покажуваат специфична влажност на висина од околу 3 km над површината, температура на површината и брзина на ветерот на површината.

Новите модели на вештачка интелигенција се поштедуваат себеси од напорот на решавање сложени математички равенки ползувајќи ги предностите на длабокото учење, кое се заснова на алгоритми дизајнирани да го имитираат човечкиот мозок. GraphCast, на пример, ги следел повторливите обрасци во начинот на којшто атмосферата еволуира, претставени во временските податоци од последните 40 години што биле обезбедени од ECMWF. Моделот потоа (без да ги разбере податоците, што е типично за вештачката интелигенција) го применил ‘наученото’ за да предвиди колку реалните временски читања, од кои тој започнал, се развиле.

Како што е објаснето во неодамнешната објава на DeepMind, како влез GraphCast бара само два сета на податоци земени од милион точки низ светот: временската состојба пред 6 часа и во моментов. Моделот потоа предвидува какво ќе биде времето за 6 часа, а процесот може да се повтори шест по шест часа, при што како влез се користат предвидувањата на моделот, сѐ додека не обезбеди прогноза на времето за наредните 10 дена. Работејќи на овој начин, моделот на вештачка интелигенција обезбедил попрецизни временски прогнози од HRES во повеќе од 90% од тестираните променливи. При ограничување на прогнозите во тропосферата, атмосферскиот слој најблизок до површината на Земјата, за кој веродостојноста на прогнозата е особено важна, точноста се зголемила на 99,7%!

И иако биле потребни 33 компјутери и еден месец работа за да се обучи, сегашниот алгоритам може за помалку од една минута да испорача точни предвидувања на обичен PC.

Според научниците од DeepMind, каков што е Реми Лам, водечкиот автор на трудот, „GraphCast може да понуди и навремени предупредувања за екстремните временски настани. Може да ги предвиди патеките на циклоните со поголема точност и подалеку во иднината, да открие атмосферски протоци што се поврзани со ризикот од поплави и да ја предвиди појавата на екстремни температури. Оваа способност има потенцијал да спаси животи“.

Иако е мошне веројатно дека вештачката интелигенција може да се интегрира на основно ниво во процесите за изработување на временските прогнози, чинејќи ги системите поагилни и прецизни, сепак целосната замена на традиционалниот метод со автономна работа на ВИ ќе оди малку потешко. Всушност, моделот има неколку слабости. Тука е неможноста за во моделот континуирано да се интегрираат најновите податоци (процес познат како асимилација на податоците, на којшто отпаѓа и најголемиот дел од потрошувачката на енергија кај сегашните суперкомпјутери), а исто така и неможноста на експертите (исто како и на ВИ) да разберат како вештачката интелигенција дошла до одредени заклучоци. Тоа би го отежнало навраќањето кон направените грешки во случај на неточни прогнози, нешто што може да се направи сега, секој пат кога временските прогнози се покажуваат како погрешни. Ова на крај би ја нарушило довербата на населението во временските прогнози, со последици за кои замислуваме дека би биле катастрофални.